KR20200057426A - 음성 인식 기반 이미지를 표시하는 전자 장치 - Google Patents

음성 인식 기반 이미지를 표시하는 전자 장치 Download PDF

Info

Publication number
KR20200057426A
KR20200057426A KR1020180141830A KR20180141830A KR20200057426A KR 20200057426 A KR20200057426 A KR 20200057426A KR 1020180141830 A KR1020180141830 A KR 1020180141830A KR 20180141830 A KR20180141830 A KR 20180141830A KR 20200057426 A KR20200057426 A KR 20200057426A
Authority
KR
South Korea
Prior art keywords
electronic device
word
voice input
processor
display
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
KR1020180141830A
Other languages
English (en)
Other versions
KR102782962B1 (ko
Inventor
손동일
나효석
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020180141830A priority Critical patent/KR102782962B1/ko
Priority to US17/309,278 priority patent/US20220013135A1/en
Priority to PCT/KR2019/015536 priority patent/WO2020101389A1/ko
Publication of KR20200057426A publication Critical patent/KR20200057426A/ko
Application granted granted Critical
Publication of KR102782962B1 publication Critical patent/KR102782962B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L2015/081—Search algorithms, e.g. Baum-Welch or Viterbi
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L2015/088—Word spotting
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/221—Announcement of recognition results
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
    • G10L21/10—Transforming into visible information

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

전자 장치가 개시된다. 일 실시예에 따른 전자 장치는, 마이크; 디스플레이; 프로세서를 포함하고, 상기 프로세서는, 상기 마이크를 통해 사용자의 음성 입력을 수신하고, 상기 음성 입력에 응답하여, 상기 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어를 확인하고, 상기 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지를 상기 디스플레이를 통해 상기 단어와 관련하여 표시하도록 설정될 수 있다. 이 외에도 명세서를 통해 파악되는 다양한 실시예가 가능하다.

Description

음성 인식 기반 이미지를 표시하는 전자 장치{Electronic Device and the Method for Displaying Image based on Voice Recognition}
본 문서에서 개시되는 실시예들은 음성 인식 기반의 사용자 인터렉션 기술과 관련된다.
전자 장치가 다기능화 및 고성능화됨에 따라 전자 장치에 음성 인식 기술이 적용되는 사례가 늘고 있다. 음성 인식 기술이 적용된 전자 장치는 사용자의 음성 입력을 인식하고 음성 입력에 기반하여 사용자의 요청(의도)을 확인하고, 확인된 기능을 제공할 수 있다.
그런데, 전자 장치는 전자 장치와 사용자 간의 거리, 전자 장치의 상황(예: 마이크 가려짐), 사용자의 발화 상황(예: 음식물 섭취), 또는 주변 소음과 같은 방해요소로 인해 사용자의 음성을 오인식 할 수 있다. 음성이 오인식 되면, 전자 장치는 사용자 요청된 기능을 제대로 수행할 수 없다.
이러한 문제를 방지하고자, 전자 장치는 음성 인식 도중에 인식된 음성 입력에 대응하는 텍스트(인식된 음성을 텍스트로 변환한 결과)를 디스플레이를 통해 표시할 수 있다. 이 같은 텍스트는 사용자가 발화하면서 전자 장치의 음성 인식 오류를 파악하고 음성 인식 오류를 정정하도록 도울 수 있다.
그런데, 사용자가 텍스트를 기반으로 음성 인식 오류를 파악하기는 어려움이 있을 수 있다. 예를 들어. 사용자와 전자 장치 간의 거리가 멀 경우에는 사용자는 텍스트를 식별하기 어려울 수 있다. 또한, 사용자 발화가 길어져 텍스트 수가 많을 경우에, 사용자가 표시된 텍스트로부터 음성 인식 오류를 파악하는 것은 더 어려울 수 있다. 뿐만 아니라, 음성 입력에 대응하는 텍스트에 다의어(복수의 의미들을 가지고 있는 단어)가 포함될 경우에, 사용자가 표시된 텍스트로부터 전자 장치에 의해 파악된 의미를 파악하기는 어려울 수 있다.
본 문서에 개시되는 다양한 실시예들은 음성 인식 과정에서 인식된 단어에 대응하는 이미지를 표시할 수 있는 음성 인식 기반 이미지를 표시하는 전자 장치를 제공한다.
본 문서에 개시되는 일 실시예에 따른 전자 장치는, 마이크; 디스플레이; 프로세서를 포함하고, 상기 프로세서는, 상기 마이크를 통해 사용자의 음성 입력을 수신하고, 상기 음성 입력에 응답하여, 상기 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어를 확인하고, 상기 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지를 상기 디스플레이를 통해 상기 단어와 관련하여 표시하도록 설정될 수 있다.
또한, 본 문서에 개시되는 일 실시예에 따른 전자 장치는, 마이크; 디스플레이; 상기 마이크 및 상기 디스플레이와 기능적으로 연결된 프로세서; 및 상기 프로세서와 기능적으로 연결된 메모리를 포함하고, 상기 메모리는, 상기 프로세서로 하여금, 상기 마이크를 통해 사용자의 음성 입력을 수신하고, 상기 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 키워드 단어를 검출하고, 상기 키워드 단어에 대응하는 이미지를 상기 키워드 단어와 관련하여 상기 디스플레이를 통해 표시하도록 설정될 수 있다.
본 문서에 개시되는 실시예들에 따르면, 음성 인식 과정에서 인식된 단어에 대응하는 이미지를 표시할 수 있다. 이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 일 실시 예에 따른 음성 입력에 대응하는 기능 제공 방법을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 전자 장치의 구성도를 나타낸다.
도 3은 일 실시 예에 따른 복수의 의미들을 가지고 있는 키워드 단어에 대응하는 하나의 이미지 표시 UI 화면의 일 예를 나타낸다.
도 4는 일 실시 예에 따른 복수의 의미들을 가지고 있는 키워드 단어에 대응하는 하나의 이미지 표시 UI 화면의 다른 예를 나타낸다.
도 5는 일 실시 예에 따른 복수의 의미들을 가지고 있는 키워드 단어에 대응하는 복수의 이미지 표시 UI 화면의 일 예를 나타낸다.
도 6은 일 실시 예에 따른 하나의 의미를 갖는 키워드 단어에 대응하는 이미지에 기반한 음성 인식 오류 정정 과정의 UI 화면을 나타낸다.
도 7은 일 실시 예에 따른 디스플레이를 포함하지 않는 전자 장치의 예시도이다.
도 8a 및 8b는 일 실시 예에 따른 복수의 키워드 단어에 대응하는 복수의 이미지 표시 예를 나타낸다.
도 9는 일 실시 예에 따른 음성 인식 기반 이미지 표시 방법의 흐름도를 나타낸다.
도 10은 일 실시 예에 따른 이미지 기반 음성 인식 오류 검증 방법의 흐름도를 나타낸다.
도 11은 일 실시예에 따른 이미지 기반 음성 인식 오류 검증 방법의 다른 예를 나타낸다.
도 12은 다양한 실시예에 따른 네트워크 환경 내의 전자 장치의 블록도를 나타낸다.
도 13은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 14는 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 15은 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 1은 일 실시 예에 따른 음성 입력에 대응하는 기능 제공 방법을 설명하기 위한 도면이다.
도 1을 참조하면, 전자 장치(20)는 마이크를 통해 사용자의 음성 입력(voice input)을 획득하면, 음성 입력에 기반하여 사용자의 의도에 따른 명령을 수행할 수 있다. 예를 들어, 전자 장치(20)는 음성 입력을 획득하면, 음성 입력을 음성 데이터(예: PCM(pulse code modulation) 데이터)로 변환하고, 변환된 음성 데이터를 지능형 서버(10)로 송신할 수 있다.
지능형 서버(10)는 음성 데이터를 수신하면, 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 기반으로 사용자의 의도를 결정할 수 있다. 지능형 서버(10)는 결정된 사용자의 의도에 따른 명령(하나의 명령 또는 복수의 명령들을 포함함)을 결정하고, 결정된 명령 수행과 관련된 정보를 전자 장치(20)로 송신할 수 있다. 상기 명령 수행과 관련된 정보는 예를 들면, 결정된 명령을 수행하는 어플리케이션의 정보 및 상기 어플리케이션이 수행하는 기능 정보를 포함할 수 있다.
일 실시예에 따르면, 전자 장치(20)는 지능형 서버(10)로부터 명령 수행과 관련된 정보를 수신하면, 명령 수행과 관련된 정보에 기반하여 사용자의 음성 입력에 대응하는 명령을 수행할 수 있다. 전자 장치(20)는 명령의 수행 과정에서 또는 명령의 수행 완료 시에 명령과 관련된 화면을 표시할 수 있다. 상기 명령과 관련된 화면은 예를 들면, 지능형 서버(10)로부터 제공된 화면이거나, 전자 장치(20)가 명령 수행과 관련된 정보를 기반으로 생성한 화면일 수 있다. 상기 명령과 관련된 화면은 예를 들면, 명령의 수행 과정을 안내하는 화면 또는 명령의 수행 결과를 안내하는 화면 중 적어도 하나의 화면을 포함할 수 있다.
일 실시예에 따르면, 전자 장치(20)는 음성 인식 도중에 음성 입력에 기반하여 인식된 단어들 중 적어도 일부 단어에 대응하는 이미지를 표시할 수 있다. 상기 음성 인식 도중은 예를 들면, 음성 인식 서비스를 개시한 후 음성 입력을 수신하고, 음성 입력에 기반하여 단어를 인식하고, 인식된 단어에 기반하여 사용자의 의도를 결정하고, 사용자의 의도에 따른 명령을 결정하는 과정을 포함할 수 있다. 상기 음성 인식 도중은 다른 예를 들면, 음성 인식 서비스를 개시한 후 음성 입력에 기반하여 사용자의 의도에 따른 명령을 수행하기 이전일 수 있다. 상기 음성 인식 도중은 또 다른 예로, 음성 인식 서비스를 개시한 후 음성 입력에 기반하여 사용자의 의도와 관련된 화면을 출력하기 이전일 수 있다.
다양한 실시예에 따르면, 지능형 서버(10)의 적어도 일부 기능은 전자 장치(10)에 의해 실행될 수 있다. 예를 들어, 전자 장치(20)는 획득된 음성 입력을 음성 데이터로 변환한 후 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 지능형 서버(10)로 송신할 수 있다. 다른 예를 들어, 전자 장치(20)는 지능형 서버(10)의 모든 기능을 수행할 수 있다. 이 경우, 지능형 서버(10)는 생략될 수 있다.
도 2는 일 실시예에 따른 전자 장치의 구성도를 나타낸다.
도 2를 참조하면, 일 실시예에 따르면, 전자 장치(20)는 마이크(210), 입력 회로(220), 통신 회로(230), 디스플레이(240), 메모리(250) 및 프로세서(260)를 포함할 수 있다. 일 실시 예에서, 전자 장치(20)는 일부 구성요소가 생략되거나, 추가적인 구성요소를 더 포함할 수 있다. 예를 들어, 전자 장치(20)는 디스플레이(240)를 포함하지 않는 장치이고(예: AI 스피커), 외부 전자 장치(예: TV, 스마트폰)에 구비된 디스플레이(240)를 이용할 수 있다. 다른 예를 들어, 전자 장치(20)는 사용자의 입력을 감지 또는 수신하는 입력 회로(220)를 더 포함할 수 있다. 일 실시 예에서, 전자 장치(20)의 구성요소들 중 일부가 결합되어 하나의 개체로 구성되되, 결합 이전의 해당 구성요소들의 기능을 동일하게 수행할 수 있다. 전자 장치(20)는 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치(예: AI 스피커)를 포함할 수 있다.
일 실시예에 따르면, 마이크(210)는 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 마이크(210)는 사용자 발화에 따른 음성 입력을 감지하고, 감지된 음성 입력에 대응하는 신호를 생성할 수 있다.
일 실시예에 따르면, 입력 회로(220)는 사용자의 입력(예: 터치 입력)을 감지 또는 수신할 수 있다. 입력 회로(220)는 예를 들면, 디스플레이(240)와 결합된 터치 센서일 수 있다. 입력 회로(220)는 적어도 일부가 전자 장치(20)의 외부로 노출된 물리적 버튼을 더 포함할 수 있다.
일 실시예에 따르면, 통신 회로(230)는 지정된 통신 채널을 통해 지능형 서버(10)와 통신할 수 있다. 상기 지정된 통신 채널은 예를 들면, WiFi, 3G, 4G, 5G와 같은 무선 통신 방식의 통신 채널일 수 있다.
일 실시예에 따르면, 디스플레이(240)는, 예를 들면, 각종 컨텐츠(예: 텍스트, 이미지, 비디오, 아이콘, 및/또는 심볼 등)를 표시할 수 있다. 디스플레이(240)는, 예를 들면, 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이, 유기 발광 다이오드(OLED) 디스플레이, 또는 전자종이(electronic paper) 디스플레이를 포함할 수 있다.
일 실시예에 따르면, 메모리(250)는 예를 들면, 전자 장치(20)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 메모리(250)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다. 일 실시예에 따르면, 메모리(250)는, 프로세서(260)로 하여금, 마이크(210)를 통해 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 키워드 단어를 검출하고, 상기 키워드 단어에 대응하는 이미지를 디스플레이(240)를 통해 상기 키워드 단어와 관련하여 표시하도록 설정된 인스트럭션들을 저장할 수 있다. 상기 키워드 단어는 복수의 의미들을 가지고 있는 단어, 사람이나 사물의 명칭(고유 명사, 대명사)에 관련된 단어 또는 행위에 관련된 단어 중 적어도 하나를 포함할 수 있다. 상기 단어가 가지고 있는 의미는 단어의 고유한 뜻일 수 있고, 단어에 기반하여 사용자의 의도에 따른 명령을 결정하는데 필요한 파라미터(예: 입출력 값)일 수 있다.
일 실시예에 따르면, 프로세서(260)는 메모리(250)에 저장된 인스트럭션들을 이용하여 전자 장치(20)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다. 프로세서(260)는 예를 들어, 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 애플리케이션 프로세서(application processor), 주문형 반도체(ASIC(application specific integrated circuit), FPGA(field programmable gate arrays)) 중 적어도 하나를 포함할 수 있으며, 복수의 코어를 가질 수 있다.
일 실시예에 따르면, 프로세서(260)는 마이크(210)를 통해 음성 입력에 기반한 서비스의 개시(시작)를 요청하는 음성 입력(이하, 웨이크업(wake up) 발화라 함)을 확인하거나, 입력 회로(220)를 통해 음성 입력에 기반한 서비스의 개시를 요청하는 사용자의 입력(예: 터치 입력)을 확인하면, 음성 인식 기능을 수행할 수 있다. 프로세서(260)는 음성 인식 기능을 수행할 때 마이크(210)를 통해 사용자의 발화에 따른 음성 입력을 수신하고, 수신된 음성 입력에 기반하여 하나 이상의 단어들을 인식하고, 인식된 단어들에 기반하여 결정된 사용자의 의도에 따른 명령을 수행할 수 있다. 프로세서(260)는 명령의 수행 과정 또는 명령의 수행 완료 시에 명령과 관련한 화면을 출력할 수 있다. 상기 명령과 관련된 화면은 예를 들면, 명령의 수행 과정을 안내하는 화면 또는 명령의 수행 결과를 안내하는 화면 중 적어도 하나의 화면을 포함할 수 있다.
일 실시예에 따르면, 프로세서(260)는 마이크(210)를 통해 음성 입력을 수신하고, 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 키워드 단어를 검출할 수 있다. 예를 들어, 프로세서(260)는 음성 인식 도중에 수신된 음성 입력에 기반하여 키워드 단어를 검출할 수 있다. 상기 음성 인식 도중은 예를 들면, 음성 인식 서비스를 개시한 후 음성 입력을 수신하고, 음성 입력에 기반하여 단어를 인식하고, 인식된 단어에 기반하여 사용자의 의도를 결정하고, 사용자의 의도에 따른 명령을 결정하는 과정을 포함할 수 있다. 상기 음성 인식 도중은 다른 예를 들면, 음성 인식 서비스를 개시한 후 음성 입력에 기반하여 사용자의 의도에 따른 명령을 수행하기 이전일 수 있다. 상기 음성 인식 도중은 또 다른 예로, 음성 인식 서비스를 개시한 후 음성 입력에 기반하여 사용자의 의도에 관련된 사용자의 의도에 따른 화면을 출력하기 이전일 수 있다.
일 실시예에 따르면, 프로세서(260)는 인식된 단어들 중 키워드 단어가 검출되면, 키워드 단어에 대응하는 이미지를 획득하고, 획득된 이미지를 키워드 단어와 관련하여 디스플레이(240)를 통해 표시할 수 있다. 상기 키워드 단어에 대응하는 이미지는 키워드 단어에 기 맵핑되어 있는 이미지일 수 있다. 상기 키워드 단어에 대응하는 이미지는 사용자가 키워드 단어에 대응하는 이미지로부터 키워드 단어를 연상시키는 이미지를 포함할 수 있다. 예를 들어, 키워드 단어가 형상이 있는 사람이나 사물의 명칭에 관련된 단어일 경우, 키워드 단어에 대응하는 이미지는 사람이나 사물의 형상을 표현하는 이미지를 포함할 수 있다. 다른 예를 들어, 키워드 단어가 형상이 없는 사물(예: 회사명)에 관련된 단어일 경우, 키워드 단어에 대응하는 이미지는 로고(예: 회사로고) 또는 기호를 포함할 수 있다. 또 다른 예로, 키워드 단어가 행위에 관련된 단어일 경우, 키워드 단어에 대응하는 이미지는 행위를 표현하는 이미지를 포함할 수 있다.
프로세서(260)는 메모리(250) 또는 외부 전자 장치(예: 지능형 서버(10), 포털 서버, 소셜 네트워크 서버)로부터 키워드 단어에 대응하는 이미지를 획득할 수 있다. 예를 들어, 프로세서(260)는 메모리(250)로부터 키워드 단어에 대응하는 이미지를 검색하고, 메모리(250)에 키워드 단어에 대응하는 이미지가 있으면, 메모리(250)로부터 키워드 단어에 대응하는 이미지를 획득할 수 있다. 프로세서(260)는 메모리(250)에 키워드 단어에 대응하는 이미지가 없으면, 지능형 서버(10)로부터 획득할 수 있다.
프로세서(260)는 음성 입력에 따라 인식된 단어들을 문장으로 구성하고 해당 문장을 디스플레이(240)에 표시할 때 키워드 단어를 강조(예: 굵은 글씨체)함에 따라 키워드 단어에 대응하는 이미지와 관련하여 표시할 수 있다. 추가적으로 또는 대체적으로, 프로세서(260)는 키워드 단어를 키워드 단어에 대응하는 이미지와 근접하여(예: 키워드 단어를 이미지의 하부에) 표시할 수 있다.
일 실시예에 따르면, 검출된 키워드 단어가 복수의 의미들을 가지고 있는 단어이면, 프로세서(260)는 복수의 의미들 중에서 하나의 의미를 선택하고, 선택된 하나의 의미에 대응하는 이미지를 표시할 수 있다.
한 실시예에 따르면, 검출된 키워드 단어가 복수의 의미들을 가지고 있는 단어이면, 프로세서(260)는 복수의 의미들이 키워드 단어일 확률을 산출하고, 산출된 확률이 가장 높은 의미를 선택하고, 선택된 하나의 의미에 대응하는 하나의 이미지만을 표시할 수 있다. 이와 관련하여, 프로세서(260)는 복수의 의미들이 사용된 이력 또는 사용자의 성향 정보에 기반하여 복수의 의미들 각각이 키워드 단어의 의미일 확률을 산출하고, 복수의 의미들 중 가장 확률이 높은 하나의 의미를 선택할 수 있다. 예를 들어, 프로세서(260)는 복수의 의미들이 전자 장치(20)에서 사용된 이력에 기반하여, 복수의 의미들 중에서 가장 사용빈도가 높고 가장 최근에 사용된 의미에 대하여 가장 높은 확률을 산출할 수 있다. 다른 예를 들어, 복수의 의미들이 전자 장치(20)에서 사용된 이력에 기반하여 복수의 의미들 각각이 키워드 단어일 확률들을 산출할 수 없을 경우(예: 복수의 의미들 중 어느 것도 전자 장치(20)에서 사용된 이력이 존재하지 않은 경우), 프로세서(260)는 복수의 의미들이 외부 전자 장치(20)에서 사용된 이력에 기반하여, 복수의 의미들 중에서 가장 사용빈도가 높고 가장 최근에 사용된 의미에 대하여 가장 높은 확률을 산출할 수 있다. 또 다른 예로, 프로세서(260)는 사용자의 성향 정보 예컨대, 사용자와 관심 분야가 동일 또는 유사한 복수의 사용자들의 선호도에 기반하여 복수의 의미들 각각이 키워드 단어의 의미일 확률을 산출할 수 있다.
한 실시예에서, 키워드 단어일 확률이 가장 높은 선택된 하나의 의미에 대응하는 이미지만을 표시할 때, 프로세서(260)는 선택된 하나의 의미와 지정된 확률 차이(예: 약 5%) 이하의 다른 의미가 존재하면, 이를 나타내도록 선택된 하나의 의미에 대응하는 이미지에 다른 효과(예: 테두리 강조)를 적용하여 표시할 수 있다. 한 실시예에서, 프로세서(260)는 가장 확률이 높은 하나의 의미에 대응하는 이미지와 함께, 다른 의미에 대응하는 이미지를 표시할 수 있다. 이 경우, 프로세서(260)는 키워드 단어일 확률이 가장 높은 의미에 대응하는 이미지를 가장 큰 크기로 표시하고, 다른 의미에 대응하는 이미지를 상대적으로 작은 크기로 표시할 수 있다. 한 실시예에 따르면, 검출된 키워드 단어가 복수의 의미들을 가지고 있는 단어이면, 프로세서(260)는 복수의 의미들에 대응하는 복수의 이미지들을 표시하고, 표시된 이미지들에 대한 사용자의 입력(예: 터치 입력)에 기반하여 복수의 의미들 중에서 하나의 의미를 선택할 수 있다. 예를 들어, 프로세서(260)는 복수의 의미들에 각기 대응하는 복수의 이미지들을 키워드 단어와 관련하여 디스플레이(240)를 통해 표시하고, 디스플레이(240)를 통해 표시된 복수의 이미지들 중 사용자의 입력으로 선택된 하나의 이미지에 대응하는 하나의 의미를 선택할 수 있다.
한 실시예에서, 프로세서(260)는 복수의 의미들에 각기 대응하는 복수의 이미지들을 표시할 때, 복수의 의미들 각각이 키워드 단어의 의미일 확률에 기반하여, 복수의 이미지들을 구분하여 표시할 수 있다. 예를 들어, 프로세서(260)는 키워드 단어일 확률이 가장 높은 의미에 대응하는 이미지를 가장 큰 크기로 표시하거나, 다른 효과(예: 테두리 강조)를 적용하여 표시할 수 있다.
일 실시예에 따르면, 프로세서(260)는 음성 입력에 기반하여 인식된 단어들 중에서 복수의 키워드 단어들을 검출할 수 있다. 상기 복수의 키워드 단어들은 하나의 의미를 가지고 있는 단어 또는 복수의 의미들을 가지고 있는 단어 중 적어도 하나를 포함할 수 있다. 프로세서(260)는 음성 입력에 기반하여 복수의 키워드 단어들을 검출하면, 복수의 키워드 단어들에 대응하는 복수의 이미지들을 순차적으로 표시할 수 있다. 상기 복수의 이미지들이 순차적으로 표시된다는 것은, 예를 들면, 복수의 이미지들이 각기 다른 화면으로 표시된다는 것일 수 있다. 또는, 프로세서(260)는 음성 입력에 기반하여 복수의 키워드 단어들을 검출하면, 한 화면에 복수의 키워드 단어들에 각기 대응하는 복수의 이미지들을 시간 순서대로 나열하여 표시할 수 있다. 예를 들어, 프로세서(260)는 음성 입력의 수신이 완료된 후 음성 입력에 기반하여 검출된 키워드 단어들에 대응하는 복수의 이미지들을 나열하여 표시할 수 있다. 상기 복수의 이미지들이 나열되어 표시된다는 것은, 예를 들면, 복수의 이미지들이 하나의 화면으로 표시된다는 것일 수 있다. 이 경우, 복수의 이미지들은 복수의 키워드 단어들의 검출 순서에 따라 나열되어 표시될 수 있다.
일 실시예에 따르면, 프로세서(260)는 키워드 단어와 관련하여 표시된 이미지에 대한 다른 음성 입력이 있으면, 다른 음성 입력에 기반하여 키워드 단어에 대응하는 이미지를 변경할 수 있다. 상기 다른 음성 입력은 키워드 단어와 관련하여 이미지가 표시된 시점으로부터 지정된 시간 내에 입력된 음성 입력으로서, 키워드 단어가 가지고 있는 다른 하나의 의미에 관련된 단어, 부정어 단어, 키워드 단어 또는 대명사 중 적어도 하나를 포함할 수 있다.
프로세서(260)는 지정된 시간 내에 음성 입력에 기반하여 복수의 의미들 중 선택되지 않은 다른 하나의 의미와 관련된 단어를 인식하면, 키워드 단어와 관련하여 표시된 이미지에 대한 다른 음성 입력이 있는 것으로 결정할 수 있다. 또는, 프로세서(260)는 지정된 시간 내에 선택되지 않은 다른 하나의 의미와 관련된 단어와 더불어, 키워드 단어, 부정어 또는 대명사 중 적어도 하나의 단어를 인식하면, 다른 음성 입력이 있는 것으로 결정할 수 있다. 프로세서(260)는 다른 음성 입력에 응답하여, 복수의 의미들 중 다른 음성 입력에 기반하여 선택된 다른 하나의 의미에 대응하는 다른 이미지를 디스플레이(240)를 통해 키워드 단어와 관련하여 표시할 수 있다.
일 실시예에 따르면, 프로세서(260)는 키워드 단어와 관련하여 표시된 이미지에 대한 다른 음성 입력이 있으면, 키워드 단어의 의미를 다른 음성 입력에 기반하여 선택된 다른 하나의 의미로 정정할 수 있다. 또는, 프로세서(260)는 키워드 단어와 관련하여 표시된 이미지에 대한 다른 음성 입력이 있으면, 키워드 단어를 포함하는 문장 중에서 키워드 단어를 상기 다른 하나의 의미와 관련된 단어를 포함하는 구(phase)로 정정 또는 치환할 수 있다. 프로세서(260)는 음성 입력에 기반하여 인식된 키워드 단어를 포함하는 문장을 사용자의 의도에 따른 명령 결정 대상에서 제외하고, 다른 음성 입력에 기반하여 인식된 키워드 단어를 포함하는 문장에 기반하여 사용자의 의도에 따른 명령을 결정할 수 있다.
일 실시예에 따르면, 프로세서(260)는 음성 수신이 완료된 후, 음성 입력에 기반하여 검출된 모든 키워드 단어에 대응하는 이미지를 표시할 수 있다. 음성 입력에 기반하여 복수의 키워드 단어들이 검출된 경우, 프로세서(260)는 복수의 키워드 단어들에 각기 대응하는 복수의 이미지들을 표시할 수 있다. 프로세서(260)는 복수의 키워드 단어들 중에서 복수의 의미들을 가지고 있는 키워드 단어에 대해서는 복수의 의미들에 각기 대응하는 복수의 이미지들을 표시할 수 있다. 프로세서(260)는 음성 입력에 대응하는 명령과 관련된 화면을 출력하기 전까지 키워드 단어에 대응하는 이미지를 출력할 수 있다.
일 실시예에 따르면, 프로세서(260)는 음성 입력에 기반하여 인식된 단어들 중 복수의 의미들에 가지고 있는 키워드 단어가 있으면, 적어도 해당 키워드 단어에 대한 선택된 하나의 의미가 결정될 때까지 음성 입력에 기반한 명령 결정을 지연할 수 있다. 예를 들어, 프로세서(260)는 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지가 표시된 후 지정된 시간 동안 사용자의 입력 또는 다른 음성 입력이 수신되지 않으면, 키워드 단어가 선택된 하나의 의미인 것으로 결정할 수 있다. 이 경우, 프로세서(260)는 지능형 서버(10)로 키워드 단어의 의미가 선택된 하나의 의미로 결정되었음을 알리는 정보를 송신할 수 있다. 다른 예를 들어, 프로세서(260)는 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지가 표시된 후 지정된 시간 내에 선택되지 않은 다른 하나의 의미를 선택하기 위한 사용자의 입력 또는 다른 음성 입력이 수신되면, 키워드 단어의 의미를 상기 사용자 입력 또는 상기 다른 음성 입력에 따른 다른 하나의 의미로 결정할 수 있다. 이 경우, 프로세서(260)는 지능형 서버(10)로 키워드 단어의 의미가 다른 하나의 의미로 결정되었음을 알리는 정보를 송신할 수 있다.
다양한 실시 예에 따르면, 상술된 프로세서(260)의 동작 중 적어도 일부는 지능형 서버(10)에 의하여 수행될 수 있다. 예를 들어, 프로세서(260)는 지능형 서버(10)가 인식된 단어들 중 복수의 의미들을 가지고 있는 단어가 있는지를 확인하고, 복수의 의미들 중 하나의 의미를 선택하고, 선택된 하나의 의미에 대응하는 이미지를 전자 장치(20)로 제공하도록 음성 입력 또는 다른 음성 입력을 지능형 서버(10)로 송신할 수 있다. 이 경우, 전자 장치(20)는 선택된 하나의 의미에 대응하는 이미지를 표시하고 상기 이미지가 표시된 후 지정된 시간 내에 사용자의 입력, 다른 음성 입력 또는 선택된 하나의 의미에 대한 결정을 알리는 정보를 지능형 서버(10)로 송신할 수 있다.
다양한 실시 예에 따르면, 프로세서(260)는 하나의 의미를 가지고 있는 단어를 키워드 단어로 검출하고, 키워드 단어에 대응하는 이미지를 키워드 단어와 관련하여 표시할 수 있다. 프로세서(260)는 키워드 단어와 관련하여 이미지가 표시된 후 지정된 시간 내에 다른 음성 입력이 수신되면, 다른 음성 입력에 기반하여 검출된 키워드 단어를 정정할 수 있다. 예를 들어, 프로세서(260)는 키워드 단어와 관련하여 이미지가 표시된 후 지정된 시간 내에 음성 입력에 기반하여 키워드 단어와 더불어, 키워드 단어를 부정하는 부정사 단어 및 대체 단어를 인식하면, 키워드 단어를 정정하기 위한 다른 음성 입력인 것으로 확인할 수 있다. 이 경우, 프로세서(260)는 키워드 단어를 대체 단어로 정정할 수 있다.
상술한 실시예에 따르면, 전자 장치(20)는 적어도 복수의 의미들을 가지고 있는 키워드 단어에 대하여, 키워드 단어에 대응하는 이미지를 표시함에 따라 사용자가 음성 입력에 기반하여 인식된 단어들의 오류 발생 여부를 용이하게 검출할 수 있도록 지원할 수 있다.
또한, 상술한 실시예에 따르면, 전자 장치(20)는 인식된 단어와 관련하여 표시된 이미지에 대한 사용자의 입력 또는 다른 음성 입력에 기반하여 사용자가 음성 인식 과정의 오류를 용이하게 정정할 수 있도록 지원할 수 있다.
일 실시예에 따르면, 전자 장치(예: 도 2의 전자 장치(20))는 마이크(예: 도 2의 마이크(210)); 디스플레이(예: 도 2의 디스플레이(240); 및 프로세서(예: 도 2의 프로세서(260))를 포함하고, 상기 프로세서는, 상기 마이크를 통해 사용자의 음성 입력을 수신하고, 상기 음성 입력에 응답하여, 상기 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어를 확인하고, 상기 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지를 상기 디스플레이를 통해 상기 단어와 관련하여 표시하도록 설정될 수 있다.
상기 프로세서는, 상기 단어와 관련하여 표시된 상기 이미지에 대한 다른 음성 입력이 있으면, 상기 다른 음성 입력에 응답하여, 상기 복수의 의미들 중 상기 다른 음성 입력에 기반하여 선택된 다른 하나의 의미에 대응하는 다른 이미지를 상기 디스플레이를 통해 상기 단어와 관련하여 표시하도록 설정될 수 있다.
상기 프로세서는, 상기 복수의 의미들 각각이 상기 음성 입력에 따른 의미가 될 확률을 각기 산출하고, 상기 각기 산출된 확률들 중 가장 높은 확률에 대응하는 상기 하나의 의미를 선택하도록 설정될 수 있다.
상기 프로세서는, 상기 전자 장치 또는 외부 전자 장치에서 상기 단어가 사용된 이력에 기반하여 상기 복수의 의미들 각각에 대한 확률들을 산출하도록 더 설정될 수 있다.
상기 프로세서는, 지정된 시간 내에 상기 음성 입력에 기반하여 상기 복수의 의미들 중 선택되지 않은 다른 하나의 의미와 관련된 단어를 인식하면, 상기 다른 음성 입력이 있는 것으로 결정하도록 설정될 수 있다.
상기 프로세서는, 상기 지정된 시간 내에 상기 음성 입력에 기반하여 상기 다른 하나의 의미와 관련된 단어와 더불어, 부정어 또는 대명사 중 적어도 하나의 단어를 인식하면, 상기 다른 음성 입력이 있는 것으로 결정할 수 있다.
상기 전자 장치는 입력 회로(예: 도 2의 입력 회로(220)를 더 포함하고, 상기 프로세서는, 상기 복수의 의미들을 가지고 있는 단어들을 확인하면, 상기 복수의 의미들에 각기 대응하는 복수의 이미지들을 상기 디스플레이를 통해 상기 단어와 관련하여 표시하고, 상기 복수의 이미지들 중 상기 입력 회로를 통해 선택된 하나의 이미지에 대응하는 상기 하나의 의미에 대응하는 이미지를 상기 디스플레이를 통해 표시하도록 설정될 수 있다.
상기 프로세서는, 상기 단어와 관련하여 표시된 상기 이미지에 대한 상기 다른 음성 입력이 없으면, 상기 단어를 상기 선택된 하나의 의미로 결정하도록 설정될 수 있다.
상기 전자 장치는 외부 전자 장치와 통신하는 통신 회로(예: 도 2의 통신 회로(230)를 더 포함하고, 상기 프로세서는, 상기 외부 전자 장치가 상기 단어와 관련하여 표시된 상기 이미지에 대한 상기 다른 음성 입력이 있는지를 결정하고, 상기 다른 음성 입력에 기반하여 상기 복수의 의미들 중 상기 하나의 의미를 결정하도록, 상기 음성 입력 및 상기 다른 음성 입력을 상기 외부 전자 장치로 송신할 수 있다.
일 실시예에 따르면, 전자 장치(예: 도 2의 전자 장치(20)는, 마이크(예: 도 2의 마이크(210)); 디스플레이(예: 도 2의 디스플레이(240); 상기 마이크 및 상기 디스플레이와 기능적으로 연결된 프로세서(예: 도 2의 프로세서(260)); 및 상기 프로세서와 기능적으로 연결된 메모리(예: 도 2의 메모리(250))를 포함할 수 있다. 상기 메모리는, 상기 프로세서로 하여금, 상기 마이크를 통해 사용자의 음성 입력을 수신하고, 상기 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 키워드 단어를 검출하고, 상기 키워드 단어에 대응하는 이미지를 상기 키워드 단어와 관련하여 상기 디스플레이를 통해 표시하도록 설정될 수 있다.
상기 인스트럭션들은, 상기 프로세서로 하여금, 상기 인식된 하나 이상의 단어들 중 복수의 의미들을 가지는 단어, 명칭에 관련된 단어 또는 행위에 관련된 단어를 상기 키워드 단어로 검출하도록 더 설정될 수 있다.
상기 인스트럭션들은, 상기 프로세서로 하여금, 상기 키워드 단어가 복수의 의미들을 가지고 있는 단어이면, 상기 복수의 의미들에 대응하는 복수의 이미지들이 표시하고, 상기 복수의 이미지들 중 하나의 이미지를 선택하는 사용자의 입력에 기반하여 상기 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지를 상기 디스플레이를 통해 표시하도록 더 설정될 수 있다.
상기 인스트럭션들은, 상기 프로세서로 하여금, 상기 복수의 의미들 각각이 상기 키워드 단어의 의미일 확률들을 산출하고, 가장 높은 확률을 갖는 상기 하나의 의미에 대응하는 이미지를 가장 큰 크기로 표시하도록 더 설정될 수 있다.
상기 인스트럭션들은, 상기 프로세서로 하여금, 상기 키워드 단어가 복수의 의미들을 가지고 있는 단어이면, 상기 복수의 의미들 각각이 상기 키워드 단어의 의미일 확률들을 각기 산출하고, 상기 각기 산출된 확률들 중 가장 높은 확률을 갖는 상기 하나의 의미에 대응하는 하나의 이미지를 표시하도록 더 설정될 수 있다.
상기 인스트럭션들은, 상기 프로세서로 하여금, 상기 수신된 음성 입력에 기반하여, 복수의 키워드 단어들을 검출하면, 상기 복수의 키워드 단어들에 대응하는 상기 복수의 이미지들을 순차적으로 표시하도록 더 설정될 수 있다.
상기 인스트럭션들은, 상기 프로세서로 하여금, 상기 수신된 음성 입력에 기반하여 복수의 키워드 단어들을 검출하면, 상기 복수의 키워드 단어들에 각기 대응하는 복수의 이미지들을 나열하여 표시하도록 더 설정될 수 있다.
상기 인스트럭션들은, 상기 프로세서로 하여금, 상기 키워드 단어와 관련하여 표시된 상기 이미지에 대한 다른 음성 입력이 있으면, 상기 다른 음성 입력에 기반하여 상기 키워드 단어를 정정하도록 더 설정될 수 있다.
상기 인스트럭션들은, 상기 프로세서로 하여금, 상기 키워드 단어와 관련하여 표시된 상기 이미지에 대한 다른 음성 입력이 있으면, 상기 키워드 단어를 포함하는 문장을 제외하고, 상기 문장이 제외된 음성 입력에 기반하여 명령을 결정하도록 더 설정될 수 있다.
상기 인스트럭션들은, 상기 프로세서로 하여금, 상기 지정된 시간 내에 상기 키워드 단어, 부정어 또는 대명사 중 적어도 하나를 포함하는 음성 입력이 수신되면, 상기 다른 음성 입력이 있는 것으로 결정하도록 설정될 수 있다.
상기 인스트럭션들은, 상기 프로세서로 하여금, 상기 음성 입력의 수신이 종료되면, 상기 음성 입력에 기반하여 사용자의 의도에 따른 명령을 결정하고, 결정된 명령을 수행하고 상기 명령의 수행 과정 또는 수행 종료 시에 상기 명령과 관련된 화면을 상기 디스플레이를 통해 표시하고, 상기 명령과 관련된 화면이 표시되기 전까지 상기 이미지를 표시하도록 더 설정될 수 있다.
도 3은 일 실시 예에 따른 복수의 의미들을 가지고 있는 키워드 단어에 대응하는 하나의 이미지 표시 UI 화면의 일 예를 나타낸다.
도 3을 참조하면, 전자 장치(20)는 사용자의 음성 입력(310) “정류장 노래 틀어줘”를 수신하면, 복수의 의미들을 가지고 있는 단어 “정류장”을 키워드 단어로 검출할 수 있다. 예를 들어, 전자 장치(20)는 키워드 단어 “정류장”을 명칭으로 하는 복수의 음원 정보를 확인하고, 키워드 단어 “정류장”이 복수의 의미 즉, 복수의 음원 정보(예: 가수 명칭)를 가지고 있는 단어임을 확인할 수 있다.
화면 350에서, 전자 장치(20)는 복수의 음원 정보 중에서 선택된 하나의 음원 정보 “가수 A의 정류장”에 대응하는 이미지(351)를 키워드 단어 “정류장”와 관련하여 디스플레이(240)(예: 도 2의 디스플레이(240))를 통해 표시할 수 있다. 상기 “가수 A의 정류장”에 대응하는 이미지(351)는 예를 들면, 가수 A의 정류장의 앨범 표지 이미지일 수 있다. 이와 관련하여, 전자 장치(20)는 복수의 음원 정보를 기반으로 전자 장치(20)에서 사용된(예: 재생된 또는 다운로드) 이력이 있는 하나의 음원 정보를 선택할 수 있다. 전자 장치(20)는 복수의 음원 정보 중 두 개 이상의 음원 정보가 전자 장치(20)에 사용된 이력이 있는 경우, 두 개의 이상의 음원 정보 중 사용빈도가 높은 음원 정보 또는 가장 최근 사용된 하나의 음원 정보 중 적어도 하나에 해당하는 음원 정보를 선택할 수 있다. 복수의 음원 정보가 전자 장치(20)에서 사용된(예: 재생된 또는 다운로드) 이력이 없는 경우, 전자 장치(20)는 외부 전자 장치에서 사용된 이력에 기반하여 예컨대, 가장 최근에 사용 빈도가 지정된 빈도 이상인 하나의 음원 정보를 선택할 수 있다. 또는, 복수의 음원 정보가 전자 장치(20)에서 사용된(예: 재생된 또는 다운로드) 이력이 없는 경우, 전자 장치(20)는 사용자 성향 정보 예컨대, 사용자가 재생한 이력이 있는 음원의 장르에 기반하여 하나의 음원을 선택할 수 있다.
전자 장치(20)는 이미지(351)을 표시한 후 지정된 시간 내에 제2 음성 입력(320) “아니 가수 B”에 기반하여 부정사 단어 “아니”와 선택되지 않은 다른 하나의 음원(상술된 '선택되지 않은 다른 하나의 의미에 대응됨)과 관련된 단어 “가수 B”를 인식할 수 있다. 이 경우, 프로세서(260)는 제2 음성 입력(320)이 키워드 단어 “정류장”과 관련하여 표시된 이미지(351)에 대한 다른 음성 입력인 것으로 확인하고, 제2 음성 입력(320)에 기반하여 다른 하나의 의미 “가수 B의 정류장”을 키워드 단어의 의미로 선택할 수 있다.
화면 360에서, 전자 장치(20)는 제2 음성 입력(320)에 응답하여, 키워드 단어 “정류장”에 대응하는 다른 이미지(361) 예를 들면, “가수 B의 정류장”에 대응하는 이미지를 키워드 단어 “정류장”과 관련하여 디스플레이(240)를 통해 표시할 수 있다. 상기 “가수 B의 정류장”에 대응하는 이미지(361)는 예를 들면, “가수 B의 정류장”의 앨범 표지 이미지일 수 있다.
일 실시예에 따르면, 전자 장치(20)는 “가수 B의 정류장” 의 음원 재생을 사용자의 의도로 결정하고, “가수 B의 정류장” 의 음원을 재생하기 위한 명령을 결정하고, 결정된 명령을 수행함에 따라 “가수 B”의 정류장을 재생할 수 있다.
상술한 실시 예에 따르면, 전자 장치(20)는 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어를 확인하면, 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지를 표시함에 따라, 음성 인식 과정의 오류를 용이하게 확인하고 정정하도록 지원할 수 있다.
도 4는 일 실시 예에 따른 복수의 의미들을 가지고 있는 키워드 단어에 대응하는 하나의 이미지 표시 UI 화면의 다른 예를 나타낸다.
도 4를 참조하면, 전자 장치(20)는 사용자의 음성 입력(410) “정은이한테 오늘 뭐했는지 물어봐 줘”를 수신하면, 복수의 의미들을 가지고 있는 단어 “정은”을 키워드 단어로 검출할 수 있다. 예를 들면, 전자 장치(20)는 주소록으로부터 키워드 단어 “정은”으로 저장된 복수의 연락처 정보를 확인하고, 키워드 단어 “정은”이 복수의 의미들 즉, 복수의 연락처 정보(예: 전화번호)를 가지고 있는 단어임을 확인할 수 있다.
화면 450에서, 전자 장치(20)는 키워드 단어 “정은”을 포함하는 복수의 연락처 정보 중에서 선택된 하나의 연락처 정보 “정은 1”에 대응하는 이미지(451)를 키워드 단어 “정은”과 관련하여 표시할 수 있다. 예를 들어, “정은 1”에 대응하는 이미지(451)는 정은 1의 연락처 정보를 기반으로 전자 장치(20) 또는 외부 전자 장치(예: 소셜 네트워크 서버)로부터 획득된 사진 이미지(예: 소셜 네트워크에 저장된 프로필 이미지)일 수 있다. 이와 관련하여, 전자 장치(20)는 복수의 연락처 정보 중에서 사용빈도가 높은 연락처 정보 또는 가장 최근 사용된 하나의 연락처 정보 중 적어도 하나에 해당하는 연락처 정보를 선택할 수 있다. 다양한 실시 예에 따르면, 전자 장치(20)는 이미지(451)와 정은 1의 연락처 정보(010-XXXX-0001)를 관련하여 표시할 수 있다.
전자 장치(20)는 “정은 1”에 대응하는 이미지(451)를 표시한 후 지정된 시간 내에 제2 음성 입력(420) “아니 내 친구 김정은”에 기반하여, 부정사 단어 “아니”, 키워드 단어 “정은”과 선택되지 않은 다른 하나의 연락처 정보와 관련된 단어 “내 친구” 및 “김정은”을 인식할 수 있다. 전자 장치(20)는 제2 음성 입력(420)이 키워드 단어 “정은”과 관련하여 표시된 이미지(451)에 대한 다른 음성 입력인 것으로 결정하고, 제2 음성 입력(420)에 기반하여 키워드 단어 “정은”의 의미를 친구 그룹에 속하는 김정은(정은 2)의 연락처 정보로 정정할 수 있다.
화면 460에서, 전자 장치(20)는 제2 음성 입력에 기반하여 선택된 다른 이미지(461) 예를 들면, 친구 그룹에 속하는 연락처 정보에 대응하는 이미지를 키워드 단어 “정은”과 관련하여 표시할 수 있다. 예를 들어, 제2 음성 입력에 기반하여 선택된 다른 이미지(461)는 친구 그룹에 속하는 김정은의 연락처 정보를 기반으로 전자 장치(20) 또는 외부 전자 장치(예: 소셜 네트워크에 저장된 프로필 이미지)로부터 획득된 사진 이미지일 수 있다. 다양한 실시 예에 따르면, 전자 장치(20)는 다른 이미지(461)와 정은 2의 연락처 정보(010-XXXX-0002)를 관련하여 표시할 수 있다.
상술한 실시 예에 따르면, 전자 장치(20)는 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어를 확인하면, 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지를 표시함에 따라, 음성 인식 과정의 오류 발생을 직관적으로 확인하도록 지원할 수 있다.
도 5는 일 실시 예에 따른 복수의 의미들을 가지고 있는 키워드 단어에 대응하는 복수의 이미지 표시 UI 화면의 일 예를 나타낸다.
도 5를 참조하면, 일 실시예에 따르면, 전자 장치(20)는 제1 음성 입력에 기반하여 인식된 하나 이상의 단어들 중에서 복수의 의미를 가지고 있는 단어에 대하여 복수의 의미들에 각기 대응하는 복수의 이미지들을 표시할 수 있다.
화면 540에서, 전자 장치(20)는 “A한테 언제쯤 도착하는지 물어봐 줘”라는 제1 음성 입력(510)을 수신하면, 복수의 의미들을 가지고 있는 다의어 “A”를 키워드 단어로 검출하고, 키워드 단어 “A”의 제1 의미(“A” 1의 연락처 정보) 및 제2 의미(“A” 2의 연락처 정보)에 각기 대응하는 제1 이미지(511) 및 제2 이미지(512)를 표시할 수 있다. 이와 관련하여, 전자 장치(20)는 복수의 의미들이 사용된 이력 또는 사용자 성향 정보 중 적어도 하나에 기반하여 복수의 의미들 각각이 키워드 단어의 의미일 확률을 산출하고, 산출된 확률이 가장 높은 선택된 하나의 의미에 대응하는 제1 이미지(511)를 제2 이미지(512)보다 큰 크기로 표시할 수 있다.
전자 장치(20)는 화면 540가 표시된 후 지정된 시간 내에 제2 음성 입력(520) “아니 내 직장 동료 A”를 수신할 수 있다. 전자 장치(20)는 제2 음성 입력에 기반하여 부정사 단어 ”아니”, 키워드 단어 ”A” 및 키워드 단어 “A”의 다른 하나의 의미 “내” 및 직장 동료”를 인식할 수 있다. 전자 장치(20)는 제2 음성 입력이 “A'와 관련하여 표시된 제1 이미지(511) 및 제2 이미지(512)에 대한 다른 음성 입력인 것으로 결정할 수 있다. 전자 장치(20)는 다른 음성 입력에 기반하여 키워드 단어 “A”의 의미를 직장동료 그룹에 속하는 “A” 2의 연락처 정보인 것으로 결정할 수 있다.
화면 550에서, 전자 장치(20)는 다른 음성 입력인 제2 음성 입력에 기반하여 키워드 단어 “A”에 대응하는 제1 이미지(511)의 크기를 축소하고, 제2 이미지(512)의 크기를 증가하여 표시할 수 있다. 다양한 실시 예에 따르면, 전자 장치(20)는 다른 음성 입력에 기반하여 제1 이미지(511)를 표시하지 않고 선택된 다른 하나의 의미에 대응하는 제2 이미지(512)만을 표시할 수 있다.
이후, 전자 장치(20)는 제1 음성 입력(510)에 기반하여 인식된 단어들로 구성된 문장 “A에게 언제쯤 도착하는지 물어봐 줘” 중에서 키워드 단어를 A를 직장동료 A로 정정함에 따라, “직장동료 A에게 언제쯤 도착하는지 물어봐 줘” 문장에 기반하여 사용자 의도에 따른 명령을 결정할 수 있다. 상기 사용자 의도에 따른 명령은 예를 들면, “직장동료 A”에게 “언제쯤 도착하니”라는 문자를 전송하기 위한 명령일 수 있다.
다양한 실시예에 따르면, 전자 장치(20)는 화면 540이 표시된 후 지정된 시간 내에 제2 음성 입력(520)을 수신하는 대신에 제2 이미지(512)를 선택하는 사용자 입력(예: 제2 이미지(512)에 대한 터치)를 확인하고, 해당 사용자 입력에 따라 키워드 단어 “A”의 의미가 직장동료 그룹에 속하는 “A” 2의 연락처 정보인 것으로 결정할 수 있다.
도 6은 일 실시 예에 따른 하나의 의미를 가지고 있는 단어에 대응하는 이미지에 기반한 음성 인식 오류 정정 과정의 UI 화면을 나타낸다.
도 6을 참조하면, 화면 650에서, 전자 장치(20)는 “오늘 아버지가 언제 들어오시는지”라는 제1 음성 입력(610)을 인식하는 과정에서 명칭에 관련된 단어 “아버지”를 “할아버지”로 오인식하고, 오인식된 키워드 단어 “할아버지”에 대응하는 이미지(651)를 표시할 수 있다. 예를 들어, 전자 장치(20)는 메모리(250)로부터 사용자의 “할아버지”의 사진 이미지를 획득 가능하면, 사용자의 할아버지 사진 이미지를 표시할 수 있다. 다른 예를 들어, 전자 장치(20)는 메모리(250)로부터 사용자의 할아버지 사진 이미지를 획득 불가한 경우, 전자 장치(20) 또는 외부 전자 장치(예: 지능형 서버(10)(예: 도 1의 지능형 서버(10))에 저장된 할아버지에 대응하는 이미지들 중에서 사용자의 나이에 대응하는 할아버지 이미지를 선택할 수 있다. 이와 관련하여, 지능형 서버(10)에 저장된 할아버지에 대응하는 이미지들은 발화자(사용자)의 나이 정보와 관련되어 저장되고, 전자 장치(20)는 발화자의 나이 정보에 기반하여 할아버지에 대응하는 이미지를 선택할 수 있다.
전자 장치(20)는 이미지(651)이 표시된 후 지정된 시간 내에 제1 음성 입력을 정정하는 제2 음성 입력(620)을 “아니 할아버지 말고 아버지 언제 오시는지 확인해줘”를 수신할 수 있다. 전자 장치(20)는 제2 음성 입력을 수신하면, 제2 음성 입력(620)에 기반하여 부정어 “아니”와 “말고”, 키워드 단어 “할아버지”를 인식하고 제2 음성 입력(620)이 키워드 단어 “할아버지”의 의미를 정정하기 위한 다른 음성 입력인 것으로 결정할 수 있다.
화면 660에서, 전자 장치(20)는 다른 음성 입력에 기반하여 이미지(651)에 관련하여 표시된 키워드 단어 할아버지를 아버지로 정정하고, 아버지에 대응하는 이미지(661)을 표시할 수 있다. 또한, 전자 장치(20)는 다른 음성 입력을 확인하면, 제1 음성 입력(610)에서 인식된 단어들을 명령 결정 대상에서 제외하고, 제2 음성 입력에 기반하여 인식된 단어들에 기반하여 사용자의 의도에 따른 명령을 결정할 수 있다. 예를 들어, 전자 장치(20)는 키워드 단어 할아버지를 포함하는 문장 “오늘 할아버지가 언제 오시는지”를 제외하고, 다른 음성 입력에 따른 문장 “아니 할아버지 말고 아버지가 언제 들어오는지 확인해줘”에 기반하여 사용자의 의도에 따른 명령을 결정할 수 있다.
도 7은 일 실시 예에 따른 디스플레이를 포함하지 않거나, 디스플레이로서 다른 디스플레이가 설정된 전자 장치의 예시도이다.
도 7을 참조하면, 전자 장치(710)는 마이크(210), 통신 회로(230), 메모리(250) 및 프로세서(260)를 포함하는 장치로서, 예컨대, AI 스피커일 수 있다. 전자 장치(710)가 디스플레이를 포함하지 않거나, 전자 장치(710)의 메인 디스플레이가 외부 디스플레이 장치(720)의 디스플레이로 설정된 경우,, 프로세서(260)는 키워드 단어에 대응하는 이미지가 결정되면, 외부 전자 장치(720)가 키워드 단어에 대응하는 이미지를 표시하도록 외부 전자 장치(720)(예: 스마트폰)로 키워드 단어에 대응하는 이미지를 송신할 수 있다.
도 8a 및 8b는 일 실시 예에 따른 복수의 키워드 단어에 대응하는 복수의 이미지 표시 예를 나타낸다.
도 8a를 참조하면, 전자 장치(20)(예: 도 2의 전자 장치(20))는 마이크(예: 도 2의 마이크(210))를 통해 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중에서 복수의 키워드 단어들(851, 853, 855)을 검출할 수 있다. 이 경우에, 전자 장치(20)은 음성 입력의 수신이 완료된 후에, 복수의 키워드 단어들(851, 853, 855)에 대응하는 복수의 이미지들(810, 820, 830, 840)을 순차적으로 나열하여 하나의 화면에 표시할 수 있다. 이와 관련하여, 전자 장치(20)는 음성 입력이 다른 지정된 시간 동안 수신되지 않으면, 음성 입력의 수신이 완료된 것으로 결정할 수 있다. 전자 장치(20)는 복수의 이미지들(810, 820, 830, 840)의 하부에 음성 입력에 기반하여 인식된 하나 이상의 단어들로 구성된 문장(850)을 표시할 수 있다. 전자 장치(20)는 상기 복수의 이미지들(810, 820, 830, 840)을 키워드 단어들을 검출한 순서대로 나열하고 인식된 단어들로 구성된 문장(850) 중 키워드 단어들(851, 853, 855)을 굵은 글씨체로 표시함에 따라, 키워드 단어들(851, 853, 855)과 복수의 이미지들(810, 820, 830, 840)을 관련하여 표시할 수 있다.
전자 장치(20)는 복수의 의미들을 가지고 있는 키워드 단어 “철수(851)” 에 대해서는 복수의 이미지들(810, 820)을 표시할 수 있다. 이 경우, 전자 장치(20)는 복수의 이미지들(810, 820) 중 하나를 선택하는 입력(예: 터치 입력)을 확인하고, 확인된 입력에 기반하여 복수의 의미들 중 키워드 단어 철수(851)의 의미를 결정할 수 있다. 전자 장치(20)는 결정된 의미(예: 이미지(810)에 대응하는 연락처 정보 1)에 기반하여 연락처 정보 1에 따른 철수에게 “베스킨라빈스에서 체리쥬빌레 사다줘”라는 문자를 전송하는 명령을 수행할 수 있다.
도 8b를 참조하면, 전자 장치(20)는 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중에서 복수의 키워드 단어들(851, 853, 855)를 검출하면, 검출된 복수의 키워드 단어들(851, 853, 855)에 대응하는 복수의 이미지들(810, 820, 830, 840)을 복수의 화면(861, 863, 865)으로 순차적으로 표시할 수 있다. 예를 들어, 전자 장치(20)는 가장 먼저 검출된 제1 키워드 단어(851) '철수'와 제1 키워드 단어(851) '철수'에 대응하는 이미지들(810, 820)을 제1 화면(861)으로 표시할 수 있다. 전자 장치(20)는 두 번째 검출된 제2 키워드 단어(853) '베스킨라빈스'와 제2 키워드 단어(853) '베스킨라빈스'에 대응하는 이미지들(830)을 제2 화면(863)으로 표시할 수 있다. 전자 장치(20)는 세 번째 검출된 제3 키워드 단어(855) '체리쥬빌레'와 제3 키워드 단어(855) '체리쥬빌레'에 대응하는 이미지들(840)을 제3 화면(865)으로 표시할 수 있다.
도 9는 일 실시 예에 따른 음성 인식 기반 이미지 표시 방법의 흐름도를 나타낸다.
도 9를 참조하면, 동작 910에서, 전자 장치(20) (예: 도 2의 전자 장치(20))는 마이크(210)를 통해 사용자의 음성 입력을 수신할 수 있다.
동작 920에서, 전자 장치(20)는 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어(키워드 단어)를 확인할 수 있다. 예를 들어, 전자 장치(20)는 수신된 음성 입력을 텍스트로 변환하고, 변환된 텍스트에 기반하여 하나 이상의 단어들 중에서 복수의 의미들을 가지고 있는 단어를 확인할 수 있다. 이 과정에서, 전자 장치(20)는 지능형 서버(10)와 협업하여 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어를 확인할 수 있다.
동작 930에서, 전자 장치(20)는 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지를 상기 단어와 관련하여 표시할 수 있다. 예를 들어, 전자 장치(20)는 복수의 의미들이 사용된 이력 정보 또는 사용자의 성향 정보에 기반하여 복수의 의미들 각각이 상기 단어의 의미일 확률을 각기 산출하고, 산출된 확률이 가장 높은 의미를 상기 단어의 의미로 선택할 수 있다. 전자 장치(20)는 선택된 의미에 대응하는 이미지를 메모리(250) 또는 외부 전자 장치(예: 지능형 서버(10), 포털 서버 등)로부터 획득하고, 획득된 이미지를 상기 단어와 관련하여 표시할 수 있다.
상술한 실시 예에서, 전자 장치(20)는 음성 입력에 기반하여 사용자 의도에 따른 결정된 명령에 관련된 화면이 출력되기 전에, 상기 선택된 의미에 대응하는 이미지를 상기 단어와 관련하여 표시할 수 있다.
도 10은 일 실시 예에 따른 이미지 기반 음성 인식 오류 검증 방법의 흐름도를 나타낸다.
도 10을 참조하면, 동작 1010에서, 전자 장치(20) (예: 도 2의 전자 장치(20))는 마이크(210)(예: 도 2의 마이크(210))를 통해 사용자의 음성 입력을 수신할 수 있다.
동작 1020에서, 전자 장치(20)는 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어(이하, 키워드 단어라 함)를 확인할 수 있다. 예를 들어, 전자 장치(20)는 수신된 음성 입력을 텍스트로 변환하고, 변환된 텍스트에 기반하여 하나 이상의 단어들 중에서 복수의 의미들을 가지고 있는 단어를 확인할 수 있다. 이 과정에서, 전자 장치(20)는 지능형 서버(10)와 협업하여 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어를 확인할 수 있다.
동작 1030에서, 전자 장치(20)는 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지를 키워드 단어와 관련하여 표시할 수 있다. 예를 들어, 전자 장치(20)는 복수의 의미들이 사용된 이력 정보 또는 사용자의 성향 정보에 기반하여 복수의 의미들 각각이 키워드 단어의 의미일 확률을 각기 산출하고, 산출된 확률이 가장 높은 의미를 키워드 단어의 의미로 선택할 수 있다. 전자 장치(20)는 선택된 하나의 의미에 대응하는 이미지를 메모리(250) 또는 외부 전자 장치(예: 지능형 서버(10), 포털 서버 등)로부터 획득하고, 획득된 이미지를 상기 단어와 관련하여 표시할 수 있다.
동작 1040에서, 전자 장치(20)는 키워드와 관련하여 표시된 이미지에 대한 다른 음성 입력이 있는지를 확인할 수 있다. 예를 들어, 전자 장치(20)는 상기 이미지가 표시된 후 지정된 시간 내에 수신된 음성 입력에 기반하여 키워드 단어 및 복수의 의미들 중 다른 하나의 의미와 관련된 단어를 인식하면, 다른 음성 입력이 있는 것으로 확인할 수 있다.
동작 1050에서, 전자 장치(20)는 다른 음성 입력이 있으면, 키워드 단어가 가지고 있는 복수의 의미들 중 다른 음성 입력에 기반하여 선택된 다른 하나의 의미에 대응하는 다른 이미지를 키워드 단어와 관련하여 표시할 수 있다. 예를 들어, 전자 장치(20)는 메모리(250) 또는 외부 전자 장치(예: 지능형 서버(10))로부터 다른 하나의 의미에 대응하는 다른 이미지를 획득하고, 다른 이미지를 키워드 단어와 관련하여 표시할 수 있다.
상술한 실시 예에 따르면, 전자 장치(20)는 음성 인식 과정에서 키워드 단어와 관련된 이미지를 표시할 수 있어, 사용자가 직관적으로 음성 인식 과정의 오류를 확인하고, 정정할 수 있도록 지원할 수 있다.
도 11은 일 실시예에 따른 이미지 기반 음성 인식 오류 검증 방법의 다른 예를 나타낸다.
도 11을 참조하면, 동작 1110에서, 전자 장치(20)(예: 도 2의 전자 장치(20))는 마이크(210)(예: 도 2의 마이크(210))를 통해 사용자의 음성 입력을 수신할 수 있다. 예를 들어, 전자 장치(20)는 수신된 음성 입력을 텍스트로 변환하고, 변환된 텍스트에 기반하여 하나 이상의 단어들 중에서 복수의 의미들을 가지고 있는 단어를 확인할 수 있다. 이 과정에서, 전자 장치(20)는 지능형 서버(10)와 협업하여 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어를 확인할 수 있다.
동작 1120에서, 전자 장치(20)는 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 키워드 단어를 검출할 수 있다. 예를 들어, 전자 장치(20)는 인식된 하나 이상의 단어들 중 복수의 의미들을 가지는 단어, 명칭에 관련된 단어 또는 행위에 관련된 단어를 상기 키워드 단어로 검출할 수 있다.
동작 1130에서, 전자 장치(20)는 키워드 단어에 대응하는 이미지를 키워드 단어와 관련하여 디스플레이(240)를 통해 표시할 수 있다. 예를 들어, 전자 장치(20)는 메모리(250) 또는 외부 전자 장치(예: 지능형 서버(10))로부터 다른 하나의 의미에 대응하는 다른 이미지를 획득하고, 다른 이미지를 키워드 단어와 관련하여 표시할 수 있다.
도 12은, 다양한 실시예들에 따른, 네트워크 환경(1200) 내의 음성 인식 기반의 이미지를 표시하는 전자 장치(1201)의 블럭도이다. 도 12을 참조하면, 네트워크 환경(1200)에서 전자 장치(1201)(예: 도 2의 전자 장치(20))는 제 1 네트워크(1298)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(1202)와 통신하거나, 또는 제 2 네트워크(1299)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(1204) 또는 서버(1208)(예: 도 1의 지능형 서버(10))와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1201)는 서버(1208)를 통하여 전자 장치(1204)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1201)는 프로세서(1220)(예: 도 2의 프로세서(260)), 메모리(1230)(예: 도 2의 메모리(250)), 입력 장치(1250)(예: 도 2의 마이크(210) 및 입력 회로(220)), 음향 출력 장치(1255), 표시 장치(1260)(예: 도 2의 디스플레이(240)), 오디오 모듈(1270), 센서 모듈(1276), 인터페이스(1277), 햅틱 모듈(1279), 카메라 모듈(1280), 전력 관리 모듈(1288), 배터리(1289), 통신 모듈(1290), 가입자 식별 모듈(1296), 또는 안테나 모듈(1297)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(1201)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(1260) 또는 카메라 모듈(1280))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(1276)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(1260)(예: 디스플레이)에 임베디드된 채 구현될 수 있다
프로세서(1220)는, 예를 들면, 소프트웨어(예: 프로그램(1240))를 실행하여 프로세서(1220)에 연결된 전자 장치(1201)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(1220)는 다른 구성요소(예: 센서 모듈(1276) 또는 통신 모듈(1290))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1232)에 로드하고, 휘발성 메모리(1232)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(1234)에 저장할 수 있다. 일실시예에 따르면, 프로세서(1220)는 메인 프로세서(1221)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(1223)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(1223)은 메인 프로세서(1221)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(1223)는 메인 프로세서(1221)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(1223)는, 예를 들면, 메인 프로세서(1221)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1221)를 대신하여, 또는 메인 프로세서(1221)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(1221)와 함께, 전자 장치(1201)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(1260), 센서 모듈(1276), 또는 통신 모듈(1290))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(1223)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(1280) 또는 통신 모듈(1290))의 일부로서 구현될 수 있다.
메모리(1230)는, 전자 장치(1201)의 적어도 하나의 구성요소(예: 프로세서(1220) 또는 센서모듈(1276))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(1240)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1230)는, 휘발성 메모리(1232) 또는 비휘발성 메모리(1234)를 포함할 수 있다.
프로그램(1240)은 메모리(1230)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(1242), 미들 웨어(1244) 또는 어플리케이션(1246)을 포함할 수 있다.
입력 장치(1250)는, 전자 장치(1201)의 구성요소(예: 프로세서(1220))에 사용될 명령 또는 데이터를 전자 장치(1201)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(1250)은, 예를 들면, 마이크, 마우스, 키보드, 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 장치(1255)는 음향 신호를 전자 장치(1201)의 외부로 출력할 수 있다. 음향 출력 장치(1255)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(1260)는 전자 장치(1201)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(1260)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 표시 장치(1260)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
오디오 모듈(1270)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(1270)은, 입력 장치(1250)를 통해 소리를 획득하거나, 음향 출력 장치(1255), 또는 전자 장치(1201)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1202)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(1276)은 전자 장치(1201)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(1276)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(1277)는 전자 장치(1201)이 외부 전자 장치(예: 전자 장치(1202))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(1277)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(1278)는, 그를 통해서 전자 장치(1201)가 외부 전자 장치(예: 전자 장치(1202))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(1278)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1279)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(1279)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1280)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(1280)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(1288)은 전자 장치(1201)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(388)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(1289)는 전자 장치(1201)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(1289)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(1290)은 전자 장치(1201)와 외부 전자 장치(예: 전자 장치(1202), 전자 장치(1204), 또는 서버(1208))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1290)은 프로세서(1220)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(1290)은 무선 통신 모듈(1292)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1294)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(1298)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(1299)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(1292)은 가입자 식별 모듈(1296)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(1298) 또는 제 2 네트워크(1299)와 같은 통신 네트워크 내에서 전자 장치(1201)를 확인 및 인증할 수 있다.
안테나 모듈(1297)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 하나의 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(1297)은 복수의 안테나들을 포함할 수 있다. 이런 경우, 제 1 네트워크(1298) 또는 제 2 네트워크(1299)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(1290)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(1290)과 외부 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC)이 추가로 안테나 모듈(1297)의 일부로 형성될 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(1299)에 연결된 서버(1208)를 통해서 전자 장치(1201)와 외부의 전자 장치(1204)간에 송신 또는 수신될 수 있다. 전자 장치(1202, 1204) 각각은 전자 장치(1201)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(1201)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(1202, 1204, or 1208) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(1201)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(1201)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(1201)로 전달할 수 있다. 전자 장치(1201)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다.. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 13은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 13을 참조하면, 일 실시예의 통합 지능화 시스템(3000)은 사용자 단말(1000)(예: 도 1의 전자 장치(20)), 지능형 서버(2000)(예: 도 1의 지능형 서버(10)), 및 서비스 서버(3000)를 포함할 수 있다.
일 실시 예의 사용자 단말(1000)은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(1000)은 통신 인터페이스(1010)(예: 도 2의 통신 회로(230)), 마이크(1020)(예: 도 2의 마이크(210)), 스피커(1030), 디스플레이(1040)(예: 도 2의 디스플레이(240)), 메모리(1050)(예: 도 2의 메모리(250)), 또는 프로세서(1060)(예: 도 2의 프로세서(260))를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 통신 인터페이스(1010)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(1020)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의스피커(1030)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예의 디스플레이(1040)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(1040)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시 예의 메모리(1050)는 클라이언트 모듈(1051), SDK(software development kit)(1053), 및 복수의 앱들(1055)을 저장할 수 있다. 상기 클라이언트 모듈(1051), 및 SDK(1053)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(1051) 또는 SDK(1053)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시 예의 메모리(1050)는 상기 복수의 앱들(1055)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(1055)은 제1 앱(1055_1), 제2 앱(1055_3) 을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(1055) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(1055)은 프로세서(1060)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(1060)는 사용자 단말(1000)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(1060)는 통신 인터페이스(1010), 마이크(1020), 스피커(1030), 및 디스플레이(1040)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다.
일 실시 예의 프로세서(1060)는 또한 상기 메모리(1050)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(1060)는 클라이언트 모듈(1051) 또는 SDK(1053) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(1060)는, 예를 들어, SDK(1053)를 통해 복수의 앱(1055)의 동작을 제어할 수 있다. 클라이언트 모듈(1051) 또는 SDK(1053)의 동작으로 설명된 이하의 동작은 프로세서(1060)의 실행에 의한 동작일 수 있다.
일 실시 예의 클라이언트 모듈(1051)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(1051)은 마이크(1020)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(1051)은 수신된 음성 입력을 지능형 서버(2000)로 송신할 수 있다. 클라이언트 모듈(1051)은 수신된 음성 입력과 함께, 사용자 단말(1000)의 상태 정보를 지능형 서버(2000)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(1051)은 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(1051)은 지능형 서버(2000)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(1051)은 상기 수신된 결과를 디스플레이(1040)에 표시할 수 있다.
일 실시 예의 클라이언트 모듈(1051)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(1051)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(1040)에 표시할 수 있다. 클라이언트 모듈(1051)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(1000)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(1051)은 지능형 서버(2000)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(1051)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(2000)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(1051)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(2000)로 송신할 수 있다. 지능형 서버(2000)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(1051)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(1051)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(1051)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.
일 실시 예의 지능형 서버(2000)는 통신 망을 통해 사용자 단말(1000)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(2000)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(2000)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(2000)는 생성된 플랜에 따른 결과를 사용자 단말(1000)로 송신하거나, 생성된 플랜을 사용자 단말(1000)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(1000)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(1000)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
일 실시 예의 지능형 서버(2000)는 프론트 엔드(front end)(2010), 자연어 플랫폼(natual language platform)(2020), 캡슐 데이터베이스(capsule DB)(2030), 실행 엔진(execution engine)(2040), 엔드 유저 인터페이스(end user interface)(2050), 매니지먼트 플랫폼(management platform)(2060), 빅 데이터 플랫폼(big data platform)(2070), 또는 분석 플랫폼(analytic platform)(2080)을 포함할 수 있다.
일 실시 예의 프론트 엔드(2010)는 사용자 단말(1000)로부터 수신된 음성 입력을 수신할 수 있다. 프론트 엔드(2010)는 상기 음성 입력에 대응되는 응답을 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(2020)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(2021), 자연어 이해 모듈(natural language understanding module)(NLU module)(2023), 플래너 모듈(planner module)(2025), 자연어 생성 모듈(natural language generator module)(NLG module)(2027)또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(2029)를 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(2021)은 사용자 단말(1000)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(2023)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(2023)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(2023)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 실시 예의 플래너 모듈(2025)은 자연어 이해 모듈(2023)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(2025)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(2025)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(2025)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(2025)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(2025)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(2025)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(2025)는 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜를 생성할 수 있다. 상기 플래너 모듈(2025)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(2030)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(2027)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(2029)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(2020)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(1000)에서도 구현가능 할 수 있다.
상기 캡슐 데이터베이스(2030)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(2030)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(2030)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(2030)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(2030)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(2030)는 사용자 단말(1000)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(2030)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(2030)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(2030)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(2030) 은 사용자 단말(1000) 내에도 구현이 가능할 수 있다.
일 실시 예의 실행 엔진(2040)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(2050)는 산출된 결과를 사용자 단말(1000)로 송신할 수 있다. 이에 따라, 사용자 단말(1000)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(2060)은 지능형 서버(2000)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(2070)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(2080)을 지능형 서버(2000)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(2080)은 지능형 서버(2000)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(3000)는 사용자 단말(1000)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(3000)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(3000)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(2000)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(2030)에 저장될 수 있다. 또한, 서비스 서버(3000)는 플랜에 따른 결과 정보를 지능형 서버(2000)에 제공할 수 있다.
위에 기술된 통합 지능 시스템(3000)에서, 상기 사용자 단말(1000)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 사용자 단말(1000)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(1000)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 사용자 단말(1000)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(1000)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(1000)이 지능형 서버(2000) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(1020)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 통신 인터페이스(1010)를 이용하여 지능형 서버(2000)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(2000)는 사용자 단말(1000)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 사용자 단말(1000)은, 통신 인터페이스(1010)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(1000)은 상기 스피커(1030)를 이용하여 사용자 단말(1000) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(1040)를 이용하여 사용자 단말(1000) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 14는 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(2000)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(2030))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(capsule(A)(4010), capsule(B)(4040))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: capsule(A)(4010))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(4020) 또는 CP 2 (4030))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(4100) 및 적어도 하나 이상의 컨셉(4200)을 포함할 수 있다.
상기, 자연어 플랫폼(2020)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(2025)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (4010) 의 동작들(4011,4013) 과 컨셉들(4012,4014) 및 캡슐 B(4004)의 동작(4041) 과 컨셉(4042) 를 이용하여 플랜(4070)을 생성할 수 있다.
도 15는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(1000)은 지능형 서버(2000)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 5100 화면에서, 사용자 단말(1000)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(1000)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(1000)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(5110)를 디스플레이(1040)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(1000)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(1000)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(1000)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(5130)(예: 입력창)를 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 5200 화면에서, 사용자 단말(1000)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(1000)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나","A 또는 B 중 적어도 하나,""A, B 또는 C," "A, B 및 C 중 적어도 하나,"및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(1201)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(1236) 또는 외장 메모리(1238))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(1240))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(1201))의 프로세서(예: 프로세서(1220))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (20)

  1. 전자 장치에 있어서,
    마이크;
    디스플레이; 및
    프로세서를 포함하고, 상기 프로세서는,
    상기 마이크를 통해 사용자의 음성 입력을 수신하고,
    상기 음성 입력에 응답하여, 상기 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 복수의 의미들을 가지고 있는 단어를 확인하고,
    상기 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지를 상기 디스플레이를 통해 상기 단어와 관련하여 표시하도록 설정된 전자 장치.
  2. 청구항 1에 있어서, 상기 프로세서는,
    상기 단어와 관련하여 표시된 상기 이미지에 대한 다른 음성 입력이 있으면, 상기 다른 음성 입력에 응답하여, 상기 복수의 의미들 중 상기 다른 음성 입력에 기반하여 선택된 다른 하나의 의미에 대응하는 다른 이미지를 상기 디스플레이를 통해 상기 단어와 관련하여 표시하도록 설정된 전자 장치.
  3. 청구항 2에 있어서, 상기 프로세서는,
    상기 복수의 의미들 각각이 상기 음성 입력에 따른 의미가 될 확률을 각기 산출하고,
    상기 각기 산출된 확률들 중 가장 높은 확률에 대응하는 상기 하나의 의미를 선택하도록 설정된 전자 장치.
  4. 청구항 3에 있어서, 상기 프로세서는,
    상기 전자 장치 또는 외부 전자 장치에서 상기 단어가 사용된 이력에 기반하여 상기 복수의 의미들 각각에 대한 확률들을 산출하도록 더 설정된 전자 장치.
  5. 청구항 2에 있어서, 상기 프로세서는,
    지정된 시간 내에 상기 음성 입력에 기반하여 상기 복수의 의미들 중 선택되지 않은 다른 하나의 의미와 관련된 단어를 인식하면, 상기 다른 음성 입력이 있는 것으로 결정하도록 설정된 전자 장치.
  6. 청구항 5에 있어서, 상기 프로세서는,
    상기 지정된 시간 내에 상기 음성 입력에 기반하여 상기 다른 하나의 의미와 관련된 단어와 더불어, 부정어 또는 대명사 중 적어도 하나의 단어를 인식하면, 상기 다른 음성 입력이 있는 것으로 결정하도록 설정된 전자 장치.
  7. 청구항 1에 있어서,
    입력 회로를 더 포함하고,
    상기 프로세서는,
    상기 복수의 의미들을 가지고 있는 단어들을 확인하면, 상기 복수의 의미들에 각기 대응하는 복수의 이미지들을 상기 디스플레이를 통해 상기 단어와 관련하여 표시하고,
    상기 복수의 이미지들 중 상기 입력 회로를 통해 선택된 하나의 이미지에 대응하는 상기 하나의 의미에 대응하는 이미지를 상기 디스플레이를 통해 표시하도록 설정된 전자 장치.
  8. 청구항 2에 있어서, 상기 프로세서는,
    상기 단어와 관련하여 표시된 상기 이미지에 대한 상기 다른 음성 입력이 없으면, 상기 단어를 상기 선택된 하나의 의미로 결정하도록 설정된 전자 장치.
  9. 청구항 8에 있어서,
    외부 전자 장치와 통신하는 통신 회로를 더 포함하고,
    상기 프로세서는,
    상기 외부 전자 장치가 상기 단어와 관련하여 표시된 상기 이미지에 대한 상기 다른 음성 입력이 있는지를 결정하고, 상기 다른 음성 입력에 기반하여 상기 복수의 의미들 중 상기 하나의 의미를 결정하도록, 상기 음성 입력 및 상기 다른 음성 입력을 상기 외부 전자 장치로 송신하도록 설정된 전자 장치.
  10. 전자 장치에 있어서,
    마이크;
    디스플레이;
    상기 마이크 및 상기 디스플레이와 기능적으로 연결된 프로세서; 및
    상기 프로세서와 기능적으로 연결된 메모리를 포함하고,
    상기 메모리는, 상기 프로세서로 하여금,
    상기 마이크를 통해 사용자의 음성 입력을 수신하고,
    상기 수신된 음성 입력에 기반하여 인식된 하나 이상의 단어들 중 키워드 단어를 검출하고,
    상기 키워드 단어에 대응하는 이미지를 상기 키워드 단어와 관련하여 상기 디스플레이를 통해 표시하도록 설정된 전자 장치.
  11. 청구항 10에 있어서, 상기 인스트럭션들은, 상기 프로세서로 하여금,
    상기 인식된 하나 이상의 단어들 중 복수의 의미들을 가지는 단어, 명칭에 관련된 단어 또는 행위에 관련된 단어를 상기 키워드 단어로 검출하도록 더 설정된 전자 장치.
  12. 청구항 10에 있어서, 상기 인스트럭션들은, 상기 프로세서로 하여금,
    상기 키워드 단어가 복수의 의미들을 가지고 있는 단어이면, 상기 복수의 의미들에 대응하는 복수의 이미지들이 표시하고,
    상기 복수의 이미지들 중 하나의 이미지를 선택하는 사용자의 입력에 기반하여 상기 복수의 의미들 중 선택된 하나의 의미에 대응하는 이미지를 상기 디스플레이를 통해 표시하도록 더 설정된 전자 장치.
  13. 청구항 12에 있어서, 상기 인스트럭션들은, 상기 프로세서로 하여금,
    상기 복수의 의미들 각각이 상기 키워드 단어의 의미일 확률들을 산출하고,
    가장 높은 확률을 갖는 상기 하나의 의미에 대응하는 이미지를 가장 큰 크기로 표시하도록 더 설정된 전자 장치.
  14. 청구항 10에 있어서, 상기 인스트럭션들은, 상기 프로세서로 하여금,
    상기 키워드 단어가 복수의 의미들을 가지고 있는 단어이면, 상기 복수의 의미들 각각이 상기 키워드 단어의 의미일 확률들을 각기 산출하고,
    상기 각기 산출된 확률들 중 가장 높은 확률을 갖는 상기 하나의 의미에 대응하는 하나의 이미지를 표시하도록 더 설정된 전자 장치.
  15. 청구항 10에 있어서, 상기 인스트럭션들은, 상기 프로세서로 하여금,
    상기 수신된 음성 입력에 기반하여, 복수의 키워드 단어들을 검출하면, 상기 복수의 키워드 단어들에 대응하는 상기 복수의 이미지들을 순차적으로 표시하도록 더 설정된 전자 장치.
  16. 청구항 10에 있어서, 상기 인스트럭션들은, 상기 프로세서로 하여금,
    상기 수신된 음성 입력에 기반하여 복수의 키워드 단어들을 검출하면, 상기 복수의 키워드 단어들에 각기 대응하는 복수의 이미지들을 나열하여 표시하도록 더 설정된 전자 장치.
  17. 청구항 10에 있어서, 상기 인스트럭션들은, 상기 프로세서로 하여금,
    상기 키워드 단어와 관련하여 표시된 상기 이미지에 대한 다른 음성 입력이 있으면, 상기 다른 음성 입력에 기반하여 상기 키워드 단어를 정정하도록 더 설정된 전자 장치.
  18. 청구항 10에 있어서, 상기 인스트럭션들은, 상기 프로세서로 하여금,
    상기 키워드 단어와 관련하여 표시된 상기 이미지에 대한 다른 음성 입력이 있으면, 상기 키워드 단어를 포함하는 문장을 제외하고,
    상기 문장이 제외된 음성 입력에 기반하여 명령을 결정하도록 더 설정된 전자 장치.
  19. 청구항 17 또는 청구항 18에 있어서, 상기 인스트럭션들은, 상기 프로세서로 하여금,
    상기 지정된 시간 내에 상기 키워드 단어, 부정어 또는 대명사 중 적어도 하나를 포함하는 음성 입력이 수신되면, 상기 다른 음성 입력이 있는 것으로 결정하도록 설정된 전자 장치.
  20. 청구항 10에 있어서, 상기 인스트럭션들은, 상기 프로세서로 하여금,
    상기 음성 입력의 수신이 종료되면, 상기 음성 입력에 기반하여 사용자의 의도에 따른 명령을 결정하고, 결정된 명령을 수행하고
    상기 명령의 수행 과정 또는 수행 종료 시에 상기 명령과 관련된 화면을 상기 디스플레이를 통해 표시하고,
    상기 명령과 관련된 화면이 표시되기 전까지 상기 이미지를 표시하도록 더 설정된 전자 장치.
KR1020180141830A 2018-11-16 2018-11-16 음성 인식 기반 이미지를 표시하는 전자 장치 Active KR102782962B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020180141830A KR102782962B1 (ko) 2018-11-16 2018-11-16 음성 인식 기반 이미지를 표시하는 전자 장치
US17/309,278 US20220013135A1 (en) 2018-11-16 2019-11-14 Electronic device for displaying voice recognition-based image
PCT/KR2019/015536 WO2020101389A1 (ko) 2018-11-16 2019-11-14 음성 인식 기반 이미지를 표시하는 전자 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180141830A KR102782962B1 (ko) 2018-11-16 2018-11-16 음성 인식 기반 이미지를 표시하는 전자 장치

Publications (2)

Publication Number Publication Date
KR20200057426A true KR20200057426A (ko) 2020-05-26
KR102782962B1 KR102782962B1 (ko) 2025-03-18

Family

ID=70731267

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180141830A Active KR102782962B1 (ko) 2018-11-16 2018-11-16 음성 인식 기반 이미지를 표시하는 전자 장치

Country Status (3)

Country Link
US (1) US20220013135A1 (ko)
KR (1) KR102782962B1 (ko)
WO (1) WO2020101389A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220005123A (ko) * 2020-07-06 2022-01-13 부산대학교 산학협력단 진료용 그림 편집 시스템 및 이를 이용한 진료용 그림 편집 방법
WO2022191425A1 (ko) * 2021-03-11 2022-09-15 삼성전자주식회사 다이얼로그 텍스트에 시각적 효과를 적용하는 전자 장치 및 이의 제어 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210046334A (ko) * 2019-10-18 2021-04-28 삼성전자주식회사 전자 장치 및 그의 제어 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170029866A (ko) * 2015-09-08 2017-03-16 삼성전자주식회사 서버, 사용자 단말 및 이들의 제어 방법.
KR20180022184A (ko) * 2016-08-23 2018-03-06 엘지전자 주식회사 이동 단말기 및 그 제어방법

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003296333A (ja) * 2002-04-04 2003-10-17 Canon Inc 画像表示システム、その制御方法および該制御方法を実現するためのプログラム
US8355913B2 (en) * 2006-11-03 2013-01-15 Nokia Corporation Speech recognition with adjustable timeout period
US20090150158A1 (en) * 2007-12-06 2009-06-11 Becker Craig H Portable Networked Picting Device
JP4873018B2 (ja) * 2009-01-09 2012-02-08 ソニー株式会社 データ処理装置、データ処理方法、及び、プログラム
JP4930564B2 (ja) * 2009-09-24 2012-05-16 カシオ計算機株式会社 画像表示装置及び方法並びにプログラム
US20110161067A1 (en) * 2009-12-29 2011-06-30 Dynavox Systems, Llc System and method of using pos tagging for symbol assignment
US8712780B2 (en) * 2010-12-08 2014-04-29 Invention Labs Engineering Products Pvt. Ltd. Systems and methods for picture based communication
KR101897492B1 (ko) * 2011-06-07 2018-09-13 삼성전자주식회사 디스플레이 장치 및 이의 하이퍼링크 실행 방법 및 음성 인식 방법
US9304683B2 (en) * 2012-10-10 2016-04-05 Microsoft Technology Licensing, Llc Arced or slanted soft input panels
US9575720B2 (en) * 2013-07-31 2017-02-21 Google Inc. Visual confirmation for a recognized voice-initiated action
JP2015036886A (ja) * 2013-08-13 2015-02-23 ソニー株式会社 情報処理装置、記憶媒体、および方法
US20150142434A1 (en) * 2013-11-20 2015-05-21 David Wittich Illustrated Story Creation System and Device
US9953637B1 (en) * 2014-03-25 2018-04-24 Amazon Technologies, Inc. Speech processing using skip lists
WO2017022228A1 (ja) * 2015-08-05 2017-02-09 セイコーエプソン株式会社 脳内映像再生装置
US10606952B2 (en) * 2016-06-24 2020-03-31 Elemental Cognition Llc Architecture and processes for computer learning and understanding
US10140675B2 (en) * 2016-11-28 2018-11-27 Google Llc Image grid with selectively prominent images
US11433302B2 (en) * 2017-10-16 2022-09-06 Lego A/S Interactive play apparatus
US10891969B2 (en) * 2018-10-19 2021-01-12 Microsoft Technology Licensing, Llc Transforming audio content into images

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170029866A (ko) * 2015-09-08 2017-03-16 삼성전자주식회사 서버, 사용자 단말 및 이들의 제어 방법.
KR20180022184A (ko) * 2016-08-23 2018-03-06 엘지전자 주식회사 이동 단말기 및 그 제어방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220005123A (ko) * 2020-07-06 2022-01-13 부산대학교 산학협력단 진료용 그림 편집 시스템 및 이를 이용한 진료용 그림 편집 방법
WO2022191425A1 (ko) * 2021-03-11 2022-09-15 삼성전자주식회사 다이얼로그 텍스트에 시각적 효과를 적용하는 전자 장치 및 이의 제어 방법

Also Published As

Publication number Publication date
WO2020101389A1 (ko) 2020-05-22
KR102782962B1 (ko) 2025-03-18
US20220013135A1 (en) 2022-01-13

Similar Documents

Publication Publication Date Title
KR102948925B1 (ko) 복수의 지능형 에이전트를 관리하는 전자 장치 및 그의 동작 방법
KR102717792B1 (ko) 전자 장치의 기능 실행 방법 및 이를 사용하는 전자 장치
KR102725783B1 (ko) 복수 개의 엔드 포인트가 포함된 플랜들을 처리하는 방법 및 그 방법을 적용한 전자 장치
US11217244B2 (en) System for processing user voice utterance and method for operating same
KR102748336B1 (ko) 전자 장치 및 단축 명령어에 대응하는 태스크 수행 방법
KR20210036527A (ko) 사용자 발화를 처리하는 전자 장치 및 그 작동 방법
KR20210045241A (ko) 전자 장치 및 전자 장치의 음성 명령어 공유 방법
US11474780B2 (en) Method of providing speech recognition service and electronic device for same
KR20190122457A (ko) 음성 인식을 수행하는 전자 장치 및 전자 장치의 동작 방법
US11341965B2 (en) System for processing user utterance and operating method thereof
KR20200113349A (ko) 전자 장치 및 멀티 태스킹 지원 방법
KR102865791B1 (ko) 자연어 응답을 생성하는 전자 장치 및 자연어 응답 생성 방법
US20200051555A1 (en) Electronic apparatus for processing user utterance and controlling method thereof
KR102782962B1 (ko) 음성 인식 기반 이미지를 표시하는 전자 장치
US11455992B2 (en) Electronic device and system for processing user input and method thereof
KR102843159B1 (ko) 음성 인식 기능을 이용한 동작을 수행하는 전자 장치 및 이를 이용한 동작과 관련된 알림을 제공하는 방법
KR102848286B1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
KR102951812B1 (ko) 인텔리전트 어시스턴스 서비스를 제공하기 위한 전자 장치 및 그의 동작 방법
KR102865668B1 (ko) 사용자 발화를 처리하는 전자 장치와 그 동작 방법
KR102865574B1 (ko) 웨이크업 모델 생성 방법 및 이를 위한 전자 장치
KR102620705B1 (ko) 전자 장치 및 그의 동작 방법
KR20210014909A (ko) 대상의 언어 수준을 식별하는 전자 장치 및 방법
KR102888304B1 (ko) 사용자 입력을 처리하는 전자 장치 및 방법
KR20240160987A (ko) 음성 입력에 대한 사용자 의도 분석 방법 및 그 전자 장치

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20181116

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20210923

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20181116

Comment text: Patent Application

PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20240628

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20250227

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20250312

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20250313

End annual number: 3

Start annual number: 1

PG1601 Publication of registration